使用深度学习重建的优化3D臂神经扫描,使用深度学习重建.
D B Sneag1,2, S C Queler3,4, G Campbell3
1Department of Radiology and Imaging, Hospital for Special Surgery, 535 E. 70Th St., New York, NY, 10021, USA. sneagd@hss.edu.
Skeletal radiology
|November 2, 2023
概括
深度学习重建 (DLR) 与更快的3D磁共振神经图 (MRN) 扫描提供了与标准,更长的扫描相比的图像质量. 这一进步可能使当前的非DLR协议能够被更高效的DL-enabled协议所取代.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 臂成像对于诊断神经疾病至关重要.
- 标准的3D MRN协议可能会耗时.
- 深度学习重建 (DLR) 是一种新兴的技术,可以提高图像质量并减少扫描时间.
研究的目的:
- 为了比较快速的图像质量,单边臂三维MRN采集与DLR标准,更长的扫描没有DLR.
- 为了确定DLR是否可以保持或提高图像质量,同时减少采集时间.
主要方法:
- 一个由30名受试者组成的前性队列接受了3.0T臂3D核磁共振.
- 获得了"标准" (较长) 和"快速" (23-48%的时间缩短) 扫描.
- 图像是用DLR和没有DLR重建的,并由三个评级人员定量 (SNR,清晰度) 和定性 (运动,神经显眼性,形态) 评估的.
主要成果:
- 与非DLR相比,DLR在标准和快速扫描中显著改善了SNR和边缘度.
- 使用DLR的"快速"扫描显示了与没有DLR的"标准"扫描相似的定量 (SNR,清晰度) 和定性 (运动,神经明显性,形态) 图像质量.
- 对于定性评估,观察到高度的互评分协议.
结论:
- 使用DLR的快速3DMRN采集实现了与标准非DLR协议相似的图像质量.
- 支持DL的更快的协议有可能取代当前优化的非DLMRN技术用于臂成像.
- 这表明,手臂神经图的效率和患者舒适度有所提高.
关键词:
人工智能的人工智能臂部复合体 (Brachial Plexus) 是一个非常重要的部位.深度学习 (Deep Learning) 是一种深度学习.磁共振神经图谱是一种磁共振神经图谱.周围神经 周围神经三维成像三维成像技术更多相关视频
09:14Surface Electromyographic Biofeedback as a Rehabilitation Tool for Patients with Global Brachial Plexus Injury Receiving Bionic Reconstruction
Published on: September 28, 2019
11.5K
06:51Methods for In Vivo Biomechanical Testing on Brachial Plexus in Neonatal Piglets
Published on: December 19, 2019
6.1K